Abstract:
La détection communautaire dans les réseaux est l’un des sujets les plus populaires de la
science des réseaux modernes. Les communautés, ou groupes, sont généralement des groupes
de nœuds ayant une probabilité plus élevée d’être connectés les uns aux autres qu’aux membres
d’autres groupes. De nombreux algorithmes ont été proposés pour détecter ces communautés,
mais la performance de ces algorithmes n’est pas bonne dans tous les cas. Pour cela nous avons
utilisé une méthode qu’identi e les principaux facteurs in ues dans ces algorithmes. Cette méthode appelée Analyse factorielle 2
k permet d’extraire l’in uence de chaque facteur avec ces
combinaisons. Après les résultats obtenues à l’aide de notre application qui base sur l’analyse
factorielle 2
k
, nous avons trouvé le facteur qui représente le paramètre de mélange (µ) est le plus
in uent que d’autres facteurs, avec un pourcentage de 95.28%.
Donc on propose pour les travaux futures la concentration sur ce facteur pour obtenir des
excellentes performances.
